Quantification of lung water in heart failure using cardiovascular magnetic resonance imaging
Notice bibliographique
Résumé
BACKGROUND: Pulmonary edema is a cardinal feature of heart failure but no quantitative tests are available in clinical practice. The goals of this study were to develop a simple cardiovascular magnetic resonance (CMR) approach for lung water quantification, to correlate CMR derived lung water with intra-cardiac pressures and to determine its prognostic significance. METHODS: Lung water density (LWD, %) was measured using a widely available single-shot fast spin-echo acquisition in two study cohorts. Validation Cohort: LWD was compared to left ventricular end-diastolic pressure or pulmonary capillary wedge pressure in 19 patients with heart failure undergoing cardiac catheterization. Prospective Cohort: LWD was measured in 256 subjects, including 121 with heart failure, 82 at-risk for heart failure and 53 healthy controls. Clinical outcomes were evaluated up to 1 year. RESULTS: Within the validation cohort, CMR LWD correlated to invasively measured left-sided filling pressures (R = 0.8, p < 0.05). In the prospective cohort, mean LWD was 16.6 ± 2.1% in controls, 17.9 ± 3.0% in patients at-risk and 19.3 ± 5.4% in patients with heart failure, p < 0.001. In patients with or at-risk for heart failure, LWD > 20.8% (mean + 2 standard deviations of healthy controls) was an independent predictor of death, hospitalization or emergency department visit within 1 year, hazard ratio 2.4 (1.1-5.1, p = 0.03). CONCLUSIONS: In patients with heart failure, increased CMR-derived lung water is associated with increased intra-cardiac filling pressures, and predicts 1 year outcomes. LWD could be incorporated in standard CMR scans.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».